[發(fā)明專利]基于改進差分進化算法的傳感器網(wǎng)絡(luò)節(jié)點優(yōu)化部署方法

有效

• 申請?zhí)枺?/td>: 201910318330.8
• 申請日: 2019-04-19
• 公開（公告）號: CN110062389B
• 公開（公告）日: 2022-08-12
• 發(fā)明（設(shè)計）人: 王振東;劉燔桃;胡中棟;李大海;溫衛(wèi)
• 申請（專利權(quán)）人: 江西理工大學(xué)
• 主分類號: H04W16/18
• 分類號: H04W16/18;H04W84/18;H04W4/021
• 代理公司: 北京科億知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11350
• 代理人: 湯東鳳

1.基于改進差分進化算法的傳感器網(wǎng)絡(luò)節(jié)點優(yōu)化部署方法，其特征在于：改進的差分進化算法的目標(biāo)是在保證連通性的前提下利用較少節(jié)點達到較大的網(wǎng)絡(luò)覆蓋率，其包括輸入和輸出，輸入包括種群規(guī)模，變異因子，交叉概率因子，最大迭代次數(shù)，維度，輸出包括節(jié)點的最終位置和覆蓋率，

其包括以下步驟，

步驟一：混沌映射初始化，產(chǎn)生初始種群；

步驟二：計算種群中每個個體的適應(yīng)值，并按從小到大依次排列；

步驟三：根據(jù)公式計算P_elite的值，取種群中前P_elite個體組成精英群體；式中：定義種群中適應(yīng)度排在前P_elite的個體為精英個體，g為當(dāng)前迭代次數(shù)，G為總迭代數(shù)，ceil(x)表示大于x的最小整數(shù)；

步驟四：根據(jù)公式和計算出變異因子集合；式中：表示第g+1代第i個個體的變異因子，μ_H，μ_L分別表示變異因子的上限和下限，分別表示第g代個體中最差和最好的適應(yīng)度值；

步驟五：根據(jù)公式計算種群中每個個體的變異向量；式中：Elite為精英群體，是第g代種群第i個變異因子，表示第g+1代種群的第i個變異向量，P_elite隨著迭代次數(shù)非線性遞減；

步驟六：根據(jù)公式計算出交叉因子集合；

式中：是第g+1代第i個個體的交叉因子，分別是第g代第i個個體的適應(yīng)度值和適應(yīng)度平均值，ρ_H，ρ_L分別是交叉因子的上限和下限；

步驟七：根據(jù)公式計算出種群中每個個體的試驗向量；

式中：對于每一個變異向量中的元素j，j＝{1，2，...，D}，隨機在區(qū)間[0，1]中選擇一個數(shù)，用rand表示，將rand與交叉概率因子C_r對比，若rand≥C_r，則把變異個體的第j個元素賦給試驗向量的第j個元素，否則就把目標(biāo)向量的第j個元素賦給試驗向量的第j個元素；

步驟八：根據(jù)公式比較種群個體以及對應(yīng)試驗向量的適應(yīng)度值，保留適應(yīng)值更好的個體構(gòu)成下一代種群；

步驟九：檢查是否達到最大迭代次數(shù)，若沒有，則返回步驟二，若達到最大迭代次數(shù)，則結(jié)束并輸出結(jié)果。